1. جب چیزیں انٹرنیٹ سے آتی ہیں؛
SADA نظام، بڑے پیمانے پر آئی ٹی کی صنعت مارکیٹ ریسررچ کی ایک حالیہ پیشہ ور منیجرز کے مطابق پتہ چلا ہے کہ 2018 مصنوعی ذہانت (AI) اور چیزیں (IOT) کے انٹرنیٹ میں، نئی ٹیکنالوجی میں کاروباری سرمایہ کاری کا سب سے اہم علاقوں بنتا جا رہا ہے.
500 آئی ٹی ماہرین کا سروے میں، مدعا کی 38٪ روڈ AI کاروبار کی سرمایہ کاری کا بنیادی توجہ کے طور پر، جبکہ چیزوں میں سے 31٪، بلاک زنجیر کی فہرست میں 10 فیصد کی بنیاد پر کیا جاتا ہے کا ذکر کیا. چیزیں منسلک آلات یہ عام طور پر مشین سیکھنے (ایم ایل) ماڈلوں کو تربیت دینے کے لئے بڑے اعداد و شمار پیدا کرتا ہے.
سروے کمپنیوں میں، AI اور زیادہ سے زیادہ چیزیں، کیونکہ چیزیں اور کنارے کمپیوٹنگ (کنارے کمپیوٹنگ) زیادہ مستحکم صنعت کے مرحلے، اور کے کی ترتیب اس بنیادی ساؤنڈ مشین لرننگ کی درستگی کو بہتر بنانے کے لئے دستیاب ہے، AI ضروری ہو گیا ہے ضروریات.
تصویری شناخت کی صلاحیت / شکل: کیمبرج یونیورسٹی
AI کمپنیاں بھی بلکہ غیر سٹاپ تحقیق. CIO غیر ملکی میڈیا نے بھی ذکر کیا روڈ، AI کاروباری رہنماؤں کا اہم کام کے لئے ایک رہنما میں حق کے کاروبار میں سرمایہ کاری کرنے کا طریقہ کی طرح تعلیمی اداروں کی بجائے، حتمی وصولی کے قابل سرمایہ کاری کرنا چاہتے ہیں.
اس کے علاوہ، آج کے دور کے پس منظر میں، قیمت اور AI چلانے کی مشکلات میں بھی نمایاں نہیں صرف "ایک خدمت کے طور پلیٹ فارم" زیادہ ڈیٹا کمپیوٹر تربیتی کمپنیوں کو جو (پاس) کمپنی نے عالمگیر کے آلات بناتا ہے کہ فراہم کر سکتے ہیں کو کم . میں اضافہ (انٹرآپریبلٹی) ڈگری کے علاوہ، لائبریری اور API سیکھنے جدید ترین مشین کی ایک بڑی تعداد AI داخل ہونے کی دہلیز کم کرنا ہے.
AI ٹیکنالوجی اور آنے والی نئی چیزوں کی حمایت کے ساتھ، تنظیموں چابی ترقی پر عمل کرنا ضروری ہے، غیر معینہ وجہ سے ہے اسکوپ کریپ گھنٹہ ترقی سائیکل کو روکنے کے. پرتیبھا برقرار رکھنے، وقت کے سنگ میل کی مدت کو حاصل کرنے کے لئے تیزی سے ضروری ہوتا جا رہا ہے.
مشین تصویری شناختی صلاحیت / چارٹ: کیمبرج یونیورسٹی
SADA اور ابھرتی ہوئی ٹیکنالوجیز خبروں کے گرد کہا جاتا ہے، کمپنیوں نئی ٹیکنالوجی میں سرمایہ کاری کرنے کے لئے تیار ہیں کی قیادت کریں گے، لیکن اس کی سیکیورٹی اور رازداری کی ٹیکنالوجی کی ترقی کے پیچھے ہوتے ہیں، اور نئی ٹیکنالوجی میں سرمایہ کاری کے ایک فکر ملکیت سیلاب حفاظت ہونا ضروری ہے، SADA کمپنیوں کے طور پر ہیں یقین ہے کہ واقعی ابھرتی ہوئی ٹیکنالوجیز میں ایک سرخیل بننا چاہتا ہوں، ہم نئی ٹیکنالوجی کی حفاظت کی ٹیسٹنگ نظر انداز نہیں کر سکتے.
2018 میں آکسفورڈ یونیورسٹی کی طرف سے ایک رپورٹ میں، محققین نے ذکر روڈ، جب تک ایک دوش نہیں ہے کے طور AI ٹیکنالوجی ہے، یہ مشین لرننگ کے کام کے فلو کو کارکردگی کمزور کر سکتے ہیں، لیکن یہ بھی اہم حفاظت ٹیسٹ نظر انداز کر دیا ہے تو، کاروبار کے آپریشن کو خطرے میں ڈال جنس، مجھے ڈر ہے کہ ضائع کی جائے گی ہوں.
گزشتہ سال سے پہلے سے ہی بلاک چین سائنس اور ٹیکنالوجی کے لئے میڈیا کو توجہ کی ایک بہت اپنی طرف متوجہ کیا ہے، لیکن یہ سرمایہ کاری کے کاروبار چیزوں اور AI کے لحاظ سے پیچھے ہے. زیادہ سے زیادہ کاروباری اداروں کو مستقبل میں بلاک زنجیر ٹیکنالوجی کی کامیابی اور عملی صورتوں اشتراک کرنے کے لئے شروع کے طور پر اس فیلڈ، یہ اندازہ لگایا گیا ہے میں سرمایہ کاری چیزوں اور AI. Kui کی Heng کی نیٹ ورک کے ساتھ مقابلہ کیا جائے گا
2.AI ترقی افسر کی تاریخ ترجمانی؛
ایشیا 2018 Boao فورم میں، اہم ایجنڈے کے علاوہ میں، سب سے اہم ایک گرم جگہ کے تعارف اصل وقت مصنوعی ذہانت کانفرنس میں پہلی بولی جانے والی زبان ترجمہ ہے. تاہم، کوئی پچھلی AI wantonly "قرار دیا اصل وقت ترجمانوں صنعت چلو ہوئی ہے ہم اس کے برعکس، ترجمہ میں سنگین غلطیوں کا نتیجہ ہے، بے روزگاری کے خطرے کا سامنا کرنے کے لئے "کے بارے میں ہیں، اور حقیقت میں راحت محسوس ملازم اصل وقت ترجمانوں، یہ اس لائن کو بھی ایک طویل وقت کے لئے چاول کھا سکتے ہیں کہ لگتا ہے.
"بائبل پرانے عہد نامے ابتداء" باب 11 میں بیان کیا، عظیم سیلاب گھٹ کے بعد، اس انسانی دنیا نوح کے بیٹے، ایک ہی زبان بولتے انسانوں تعاون کرنے پر شروع ہوا جب ہیں، تعمیر بابل کے بابل کے ٹاور نامی ٹاور. اقدام، خدا گھبرا خدا نے دنیا کے تمام میں ایک مختلف زبان ہے کرنا شروع کر دیا انسان دو تاکہ نسل انسانی کو اب کوئی ریاست ہائے تعاون تھا. بابل کی منصوبہ بندی، ناکامی میں ختم زبان اختلافات بھی بڑا انسانی مواصلات بن جب بنایا رکاوٹ. شاید خون اب بھی بابل کے ٹاور کی تعمیر نو کا خواب کرنا چاہتے ہیں، تاکہ ترجمہ بدلتی میں تاریخ کے سال کے گزشتہ ہزاروں سے زائد انسانی ثقافتی منصوبوں کی توجہ کا مرکز بن گیا ہے.
لسانی رکاوٹ توڑنے کے لئے اتنا آسان نہیں ہے. خاص طور پر، زبانوں میں ایک ہی تصور کو سمجھنے کے لئے ضروری ہے. انسانی تاریخ میں پہلی بار کے لئے، 1 9 6 قبل مسیح میں بنایا Rosetta پتھر کی طرف سے تیار کراس زبان پارلیشنل کارپرا پیدا کیا گیا تھا. قدیم مصری زبان، قدیم یونانی، اور مقامی کالونی کتابیں قدیم مصری بادشاہی کے بادشاہ پاٹلیمی کے کھنگوار صحیفوں کو ریکارڈ کرنے کے لئے استعمال کیے گئے تھے. یہ ترجمہ میں ایک اہم سنگ میل بھی ہے.
اصول پر مبنی مشین ترجمہ
منبع مشینی ترجمہ کا تعلق ہے، 1949 کے لئے واپس سراغ لگایا جا سکتا ہے، نظریہ اطلاعات محقق وارن بنو باضابطہ طور پر مشینی ترجمہ کے تصور کی تجویز پیش کی. پانچ سال بعد، یہ ہے کہ، 1954 میں، IBM جارج ٹاؤن یونیورسٹی کے تعاون سے دنیا کا پہلا مشینی ترجمہ کا اعلان کیا IBM-701 یہ، یہ حقیقت میں یہ صرف قانون کے قوانین کے چھ دفعات، اسی طرح 250 الفاظ. بنایا گیا ہے لیکن اس کے باوجود، یہ اب بھی ایک اہم تکنیکی پیش رفت ہے جس میں ایک عظیم جسم ہے اگرچہ انگریزی میں روسی ترجمہ کرنے کے قابل ہے انسانوں میں سوچنا شروع کر دیا جب ہم جلد ہی زبان کی دیواروں کو توڑنے کے لئے قابل ہونا چاہئے.
یہ ممکن تھا کہ خدا نے کچھ مختلف محسوس کیا اور بابل کے ٹاور کے انسانی تعمیرات کے لئے منصوبہ پر سرد پانی کا بالٹی ڈال دیا. 1964 میں، امریکی اکیڈمی آف سائنسز نے خودکار زبان پروسیسنگ مشاورتی کمیٹی (ALPAC) قائم کی. دو سال بعد، کمیٹی رپورٹ میں پیش کیا جاتا ہے، یہ سمجھا جاتا ہے کہ مشین کی ترجمہ سرمایہ کاری جاری رکھنے کے قابل نہیں ہے، کیونکہ اس رپورٹ کی وجہ سے اگلے دس سالوں میں امریکہ کے ترجمہ کا مطالعہ مکمل طور پر مکمل طور پر روکتا ہے.
1980 ء تک آئی بی ایم کی پہلی ترجمہ مشین کی پیدائش سے، اس وقت ٹیکنیکل مرکزی دھارے پر مبنی مشین ترجمہ تھا. سب سے زیادہ عام طریقہ لغت کے مطابق براہ راست الفاظ کا ترجمہ کرنا ہے، اگرچہ بعض لوگ بعد میں ان کو درست کرنے کے لئے نحو قواعد میں شامل کرنے کا ارادہ رکھتے ہیں. لیکن ایماندار ہونے کے لئے، نتائج بہت ناراض ہو جاتے ہیں، کیونکہ یہ بیوقوف لگ رہا ہے. لہذا، 1980 ء تک اس طرح کے طریقوں کو غائب ہو گیا ہے.
زبان کیوں نہیں کر سکتے ہیں قوانین پر عمل کرتے ہیں کیونکہ زبانیں انتہائی پیچیدہ اور غیر معمولی نظام ہیں، لفظ کی عدم اطمینان سے بیان کرنے سے، تمام قوانین کو ختم کرنا ناممکن ہے. لیکن دلچسپی سے، قدرتی زبان میں بہت سے حالیہ بدعت کمپنی، ابھی تک چینی سیمنٹکس کو مکمل قوانین کے ساتھ حل کرنے کی کوشش کر رہی ہے، لیکن یہ خیال ناکامی میں یقینی طور پر ختم ہو جائے گا.
میں ایک مثال پیش کروں گا کہ وضاحت کیوں ممکن نہیں ہے. دو زبانوں میں ترجمہ کی پیچیدگی کا ذکر نہ کریں. صرف چینی نقطہ نظر سے، ایکسپریس ترسیل کا تصور تیزی سے ہے. آپ کتنے تعلیمات کے بارے میں سوچ سکتے ہیں؟ 10 قسم یا 100 قسم؟ قدرتی زبان کے اعداد و شمار کے مطابق ہم نے پہلے ہی کیا ہے، مجموعی طور پر 3،600 قسم کی تعلیمات ہوسکتی ہے، اور یہ تعداد وقت کے ساتھ بڑھتی ہوئی ہے. قوانین کی ایک پیچیدہ نظام کے لئے، اگر آپ ترجمہ کا استعمال کرتے ہیں تو، مجھے ڈر لگتا ہے کہ قواعد کی مقدار حیرت انگیز ستاروں کی تعداد میں ہو گی. لہذا، حکمرانی پر مبنی مشین ترجمہ خیال کل پیلا پھول بن جائے گا.
مثال پر مبنی مشین ترجمہ
جبکہ پوری دنیا مشین ترجمہ کے کم مرحلے میں گر گئی ہے، وہاں ایک ایسا ملک ہے جس میں مشین ترجمہ کے لئے مضبوط اعتراض ہے. یہ جاپان ہے. جاپانی جاپانی انگریزی کی کمزوری ہے اور اس وجہ سے مشین ترجمہ کے لئے بہت سخت تقاضا ہے.
کیوٹو یونیورسٹی پروفیسر ماکوتو Nagao مجوزہ بنیاد مشینی ترجمہ، ہم جملوں کی کافی تعداد رکھنے کے طور پر بھی چہرے میں بالکل سزا مماثل نہیں ہے جب تک شروع سے مشین کو روکنے اور ترجمہ کرنا چاہتے ہیں کے لئے، یہ ہے کہ ہم، بھی جملوں کے مقابلے میں کیا جا سکتا ہے، ترجمہ کے طور پر طویل لفظ کا متبادل ہو سکتا ہے کے طور پر ایک ہی نہیں ہے. کورس کے اس کتنے ہوشیار، یہ کوئی مصیبت کی وجہ سے زیادہ حکمرانی کی بنیاد پر مشین ترجمہ بولی نہیں ہے. لیکن طویل عرصے سے پہلے، لوگوں بابل کے ٹاور کی تعمیر نو کی امید یہ کرنے کے لئے طلوع فجر دوبارہ دیکھیں لگتا ہے.
شماریاتی مشینی ترجمہ کی بنیاد پر
میں دھماکہ شماریاتی مشینی ترجمہ بوم یا IBM، 1993 میں جاری کردہ "مشینی ترجمہ ریاضیاتی نظریہ" کاغذ ایک شماریاتی ماڈل کہا جاتا ہے "IBM ماڈل 1" پر ایک لفظ، میں پانچ یونٹس پر مشتمل مجوزہ "5 IBM ماڈل."
خیالات شماریاتی ماڈل امکانات کا سوال طور پر ترجمہ کیا جاتا ہے. اصولی طور پر متوازی کارپس کو استعمال کرنے کی ضرورت ہے، اور پھر لفظی اعداد و شمار. مثال کے طور پر، مشین نہیں جانتا تھا، اگرچہ کیا "علم" انگریزی ہے کا، بلکہ کارپس کے اعداد و شمار کے سب سے زیادہ کے بعد، آپ کو مل جائے گا جب تک سزا کا علم وہاں ظاہر ہوتا ہے کے طور پر، اسی انگریزی سزائیں "علم" سے بھی لغات اور گرائمر کے قوانین کے مصنوعی بحالی کے بغیر اس طرح میں. لفظ ظاہر ہوتا ہے، ہو جائے گا، لیکن یہ بھی مشینوں لفظ کے معنی کو سمجھنے بنانے کے.
یہ تصور قدیم ترین وارن بنو اسی طرح کی ایک تصور کی تجویز پیش کے بعد، نئی نہیں ہے، لیکن کافی وقت نہیں ہے اور متوازی کارپس بہت کمزور تھا اور محدود صلاحیت کیلکولیٹر، تو کوئی عملدرآمد. جدید اعداد و شمار مشین ترجمہ ہے سے جہاں تلاش کرنے کے لئے "جدید Rosetta حجر اسود" مطلب؟ حقیقت میں، سب سے اہم ذریعہ اقوام متحدہ، اقوام متحدہ کی قراردادوں اور اعلان کے انفرادی رکن ممالک کی زبان ورژن پڑے گا کیونکہ ہے، لیکن اس کے علاوہ، آپ کو آپ کی اپنی متوازی کارپس کو بنانا چاہتے ہیں اب اس کی لاگت آئے گی کیا کے لحاظ سے انسانی ترجمہ کی قیمت یہ حیرت انگیز اعلی جاننا.
گزشتہ ایک دہائی میں، ہم نے یہ سن کر گوگل ترجمہ کے ساتھ واقف شماریاتی مشینی ترجمہ پر مبنی ہیں ہیں، سب کو ہونا چاہئے واضح شماریاتی ترجمہ ماڈل نہیں سب کی تاثر میں بابل کے عظیم مقصد کی کامیابیوں، مشینی ترجمہ کو صرف میں روکنے ہے "اوکردوست" کی بجائے "مددگار" میں کی ڈگری ہے.
مشینی ترجمہ نیورل نیٹ ورکس
2014 کے لئے، مشینی ترجمہ سب سے زیادہ انقلابی تبدیلی کی تاریخ میں ushered - "گہری سیکھنے" یہاں!
نیورل نیٹ ورک نیا نہیں ہے، حقیقت یہ ہے کہ عصبی نیٹ ورک کی ایجاد سے 80 سال قبل کیا گیا ہے میں ہیں، لیکن چونکہ 2006 جیفری Hinton (خدا کے پہلے تین بڑی گہرائی سے مطالعہ) میں بہتری میں عصبی نیٹ ورک کی اصلاح مہلک دوش ہے بہت سست، گہری سیکھنے جاری رہے گا 2017، زیادہ انسانی آواز کی شناخت سٹینوگرافر مقابلے؛ معجزانہ کامیابیوں کی ایک قسم کے ہمراہ اکثر 2015 میں ہماری زندگی میں ظاہر ہوتے ہیں، 2016 ؛. انسانی تصویر کا شناخت سے باہر پہلی بار کے لئے مشین، الفا جاؤ عالمی شطرنج چیمپئن کو شکست دے دی 2018، انسانی سمجھ سے باہر پہلی بار کے لئے انگریزی پڑھنا مشین. بالکل، اس میدان میں مشینی ترجمہ بلکہ گہرائی کی اور اس سپر کھاد پنپنے سیکھنا شروع.
تاکہ مشین خود کار طریقے جملوں کے درمیان قبضہ کر سکتے پہلی بار 2014 پیپر میں تین خداؤں کے Yoshua Bengio عمیق مطالعہ مشینی ترجمہ کے لئے سیکھنے ٹیکنالوجیز کی گہرائی کے بنیادی فن تعمیر کو قائم کیا. انہوں نے کہا کہ بنیادی طور پر اکثر عصبی نیٹ ورک ترتیب (سے Rnn) کی بنیاد پر کیا جاتا ہے، لفظ کی خصوصیت ہے، اور پھر خود بخود کسی اور زبان ترجمہ کے لئے لکھا. اس مضمون سے ایک، گوگل خزانہ. بہت جلد خدا کی نعمت تحت بارود کی کافی مقدار میں فراہمی کے ساتھ ساتھ گوگل میں بڑے، گوگل باضابطہ 2016 میں اعلان کیا تمام اعداد و شمار مشین ترجمہ فریم، عصبی نیٹ ورک کے میزبان مشین ترجمہ، جدید مشینی ترجمہ کی مطلق مرکزی دھارے بننے کے لئے.
گوگل کی مشین ترجمہ عصبی نیٹ ورک سب سے اہم خصوصیت attentional میکانزم (توجہ) کی شمولیت ہے، توجہ کے طریقہ کار، انسانی ترجمہ کے انکار حقیقت میں ہے سب سے پہلے بار بار آنکھ استعمال کریں گے، اور پھر semantics کے تصدیق کرنے کے چند کلیدی الفاظ منتخب کریں گے "برٹش - فرانسیسی" میں گوگل نے اعلان کیا کہ بعد عمل (چترا 2) واقعی طاقت میں اضافے برکت attentional میکانزم ہے، "برطانوی - میں"، "برطانوی - مغرب" ایک سے زیادہ زبانوں، وغیرہ، اس سے پہلے کے ساتھ خرابی کی شرح. شماریاتی مشینی ترجمہ نظام ایک 60 فیصد کمی کے مقابلے میں.
اگرچہ موجودہ متوازی کارپس کے مطابق عصبی نیٹ ورک سیکھنے اور سزا لطیف زبان کی خصوصیات کو سمجھ سکتے ہیں، لیکن یہ کامل نہیں ہے، سب سے بڑا مسئلہ فنڈز سے آتا ہے، اور اس کو سمجھنے کے لئے مشکل کے طور پر کی طرح باکس سیاہ کی ایک بہت لیتا ہے، یہی ہے، یہاں تک کہ اگر غلط تبدیل کرنے کے لئے کوئی طریقہ نہیں ہے کے بعد سے، ہم صرف "گہری سیکھنے" صحیح ہے لہذا اسی ایک جملہ بنانے کے لئے زیادہ درست کارپس فراہم کر سکتے ہیں، لیکن بہت مختلف ترجمہ ہو سکتا ہے.
فروری 2018، مائیکروسافٹ (مائیکروسافٹ) انسانی پرے نئے اقدامات کے بعد فوری طور پر سمجھ مشین لینگوئج بنانا ہے. 14 مارچ، مائیکروسافٹ ریسرچ ایشیا اور ریڈمنڈ انسٹیٹیوٹ کے محققین نے اعلان کیا ہے کہ اس کی تحقیق و عام میں مشینی ترجمہ نظام کی ترقی میں مقرر Newstest2017 انسانی ترجمہ کے ساتھ موازنہ سطحوں تک پہنچ سکتے ہیں ٹیسٹ کے انگریزی ترجمہ مقرر ٹیسٹ پر خبریں. قدرتی طور پر، یہ عصبی نیٹ ورک ایک عظیم فتح کی ایک مشینی ترجمہ، کورس کے، فن تعمیر، کے سب سے زیادہ قابل ذکر میں بدعت کی ایک بہت کچھ ہے یہ ڈبل سیکھنے (دوہری سیکھنے) اور چھان بین کے نیٹ ورک (غور کیجیے نیٹ ورک) کی شمولیت ہے.
محدود متوازی کارپس کے مسئلے کو حل دوہری سیکھنے کے لئے، عام طور پر، سیکھنے کی گہرائی مشین کے جوابات کو فراہم کی جائے ضروری ہے، تاکہ اس کے ترجمہ کے درمیان فرق کی بنیاد پر اور درست جواب بہتری برقرار کرنے کی مشین کے قابل ہو جائے گا. اس کے علاوہ انسانی ترجمہ کے عمل کی نقل اسکروٹنی نیٹ ورک کے طور پر عام طور پر انسانی ترجمہ سب سے پہلے کسی نہ کسی طرح ترجمہ کیا کریں گے، اور پھر دوسرے ترجمے کے عین مطابق مواد کو ایڈجسٹ، حقیقت میں، اگر آپ کو کوئی بات ذہین عصبی نیٹ ورک، اب بھی جسم ہے جس میں سب سے زیادہ ذہین مخلوق کے ریفرنس سطح پر ختم ہو جائے گی کہ مل سکتی ہے ہم انسانوں کے طور پر.
زبان استعمال کے تناظر نہیں بچ سکتا
مشینی ترجمہ کی ترقی کا مطلب یہ نہیں ترجمہ پیشے کے مستقبل کے کھانے کے لئے کھانا نہیں ہو گا کہ یہ مائیکروسافٹ کی پریزنٹیشن کے "عالمی ٹیسٹ مقرر Newstest2017 خبروں" "انگریزی ترجمہ کے ٹیسٹ کے سیٹ،" ڈیٹا سیٹ پر زور دیا ہے کہ بیان کیا جا سکتا ہے اچھی کارکردگی اور استرتا برابر علامت، Tencent کے جون ظاہر معمول ترجمہ اچھا تھا کیوں بھی وضاحت کر سکتے ہیں جس پر اپنی طرف متوجہ کرنے کے لئے نہیں کر سکیں، لیکن کیوں Boao اصل وقت کی تشریح میں غلط کارکردگی ہے.
ریئل ٹائم ترجمہ تشریح کہا جا سکتا ہے کام کی پنتتی ہے، ہم اصل سزا سماعت کی درست تفہیم، بلکہ دیگر زبانوں کے لئے ایک محدود وقت کے لئے تبادلوں ہونا ضروری ہے. اور مقررین نہیں بھولنا ترجمہ، آواز کی شناخت اور اسی طرح برابر کا انتظار کرنا کسی بھی وقت نہیں دے گا مشینی ترجمہ مطابقت پذیر ہو جائے ضروری ہے، اس کے علاوہ پر سائٹ شور، اظہار مقررین، لفظ interjections اور اسی confounding عوامل کے سر، مشین کے انصاف کے اسقاط حمل کے نتیجے کا امکان ہے.
میرے خیال جولائی Tencent کے ترجمہ میں، صرف کافی مشکل کام نہیں کر سکتا پوائنٹس کا الزام دیا جا سکتا ہے، ہم مناسب اسم کلید اندراج، ہو جائے گا جس میں "ایک شاہراہ اور ایک بیلٹ" ایسا نہیں ڈالی "کلاسک غلطی".
بھی چترا 3 سے دیکھا جا سکتا ہے استعمال منظرنامے کا وجود انسانی زبان طلاق نہیں کیا جا سکتا کیونکہ ہم اکثر زبان سیکھتے ہیں کہ مغرب میں تھا کیوں glaringly غلط مشینی ترجمہ، مشینی ترجمہ ایک دلچسپ فرق، ہے، لیکن ملک کے تقریبا ارادے مہارت حاصل کرنے کے قابل ہے؟ یہ ہے سیاق و سباق پر زور (و سباق)، ہمارے ماضی ثقافت سے آتا ہے جس میں ماضی کی یادوں کو لاحق ہوتے ہیں. تانگ اس نظم کے جوہر نہیں سمجھ سکتے قدرتی طور پر گوگل کو نہیں پڑھ سکا. لسانی رکاوٹوں انسانی مصنوعی ذہانت کے آخری دور ہو جائے گا، کیونکہ انسانوں کے استعمال کی وجہ سے زبانیں مسلسل تبدیل ہوجائیں گے. یہ مشینوں کے لئے بہت مشکل متبادل ہے.
ٹیکنالوجی کے فروغ کے ساتھ، ایک دن، مشین ترجمہ "مفید" ہونے کے لۓ "مفید" ہونے سے اور پھر "مفید" کو تیار کرنے سے بدل جائے گی، لیکن جیسا کہ میں نے ہمیشہ بحث کی ہے، مشینیں ان کے کام کے لوگوں کو نہیں مارے گی. حقیقت میں، انسانی بے روزگار صرف ہمارے اپنے کام کی تکاؤ بوریت سے خود کو واپس لینے کے لئے، ان کے اپنے ٹولز بننے کے لئے مصنوعی ذہانت کا اچھا استعمال کرنے کا طریقہ، اس کے مستقبل کا سامنا کرنا درست کرنسی نئے الیکٹرانک ہے.
3.آئ، بڑے اعداد و شمار اور ذاتی رازداری کی آگئی جنگ صرف اس وقت شروع ہوئی ہے؛
سب سے حالیہ سلگتا ہوا موضوع ہے، یہ چین بھرپور طریقے سے منظم ایکسپو 2018 کی تعداد سمیت غیر بڑی ڈیٹا، علاوہ کوئی نہیں ہے، یہ کہا جانا چاہیے سب سے زیادہ اہم بات یہ ہے کہ بڑے اعداد و شمار کے اعداد و شمار جمع کرنے کے لئے ہے، لیکن یورپی یونین کے ایک جنرل ڈیٹا پروٹیکشن ریگولیشن (GDPR)، کینساس کا اعلان کیا ہے سب سے زیادہ سخت ذاتی ڈیٹا تحفظ قانون کا دعوی کرنے کا دعوی ہے، اس نے بڑے اعداد و شمار کے فروغ اور ذاتی ڈیٹا پر تنازعہ بھی نظر انداز کی.
اس وجہ سے بڑے اعداد و شمار موثر ڈیٹا بن سکتے ہیں ڈیٹا کو جمع اور تجزیہ کرنے کے لئے، اور زیادہ سے زیادہ ڈیٹا، سب سے زیادہ متعلقہ اعداد و شمار تجزیہ کیا جا سکتا ہے اور مفید ڈیٹا بن سکتا ہے.
لیکن اعداد و شمار کے ذریعہ، لیکن ہر کسی کے ہونٹوں پر، قوم پرستی میں، وہاں کے ممالک مطلع کرنے کے لئے ان کے ذاتی مفادات کو قربان کرنے پر مجبور کیا جا کرنے کے لئے باہر حکومت، کافی تیزی سے ڈیٹا تک پالیسی، چین میں سب سے زیادہ واضح ہے جس میں چین ڈویلپمنٹ لے جانے کے لئے ایسا لگتا ہے بہت سے منصوبہ بندی کی پالیسی، اور یہاں تک کہ نام نہاد غربت میں کمی، غربت اور اسی طرح، بڑی ڈیٹا کے ساتھ کی طرح، تمام مسائل ایک مسئلہ نہیں ہیں، لیکن بڑے ڈیٹا کی ایک بہت کچھ ہے، حقیقت میں، ذاتی ڈیٹا کے حقوق، ملک کے ذاتی رازداری پر زور ہے جس کے قربان کرنے پارٹیاں ہیں، یہ ہے ناممکن ہوا.
تائیوان کاروباری ترقی کی سمت صنعتی بڑے اعداد و شمار پر مرکوز ہے. سب سے زیادہ تیز رفتار ترقی یہ ہے کہ ہین ہائ، جس میں 40 سال کی پیداوار کے اعداد و شمار ہیں. یہ ہن ہائی کا سب سے بڑا فائدہ ہے اور یہ بھی ایسی جگہ ہے جہاں تائیوان بڑے اعداد و شمار کو فروغ دینے کا موقع دیتے ہیں.
لیکن تم نے اس کو بڑی ڈیٹا مینلینڈ چین تائیوان کو تیار کرنا چاہتے ہیں، اور لوگوں کی پرائیویسی کے میدان سے متعلق ہے، تو بنیادی طور پر، وہاں بہت سے اکثر مسائل میں ہیں، وغیرہ صرف ایک ریکارڈ ہے، یہ امکان رازداری کے حملے کی قیادت کریں گے، نہیں کے بارے میں ذکر کرنا بڑے اعداد و شمار کو براہ راست ذاتی رازداری سے متعلق ہے، آخر بڑی کامیابی میں ڈیٹا، عوامی مفاد اور ذاتی پرائیویسی کے توازن پر کھینچنے کے لئے جاری رکھنے کے لئے ہو سکتا ہے. Kui کی Heng کی نیٹ ورک
4.AI تخمینے تعینات کنارے نوڈ تصویر / آواز کی ایپلی کیشنز میں سے ہر ایک آسمان کی نصف کے لئے حساب؛
2018 AIoT (AI + IOT) مارکیٹ خطرناک بڑھ رہی ہے، آلات کی ایک قسم کی ترقی کو ڈرائیو، بلکہ گہری سیکھنے کی تقریب کم ولمبتا، کم بینڈوڈتھ، اعلی پرائیویسی اور مصنوعی ذہانت کی اعلی کارکردگی کو حاصل کرنے کے لئے بادل کی طرف رجوع کے کنارے پر چلاتا ہے کو فروغ دینے کے درخواست تجربہ.
مصنوعی ذہانت (AI) کے ساتھ، کنارے (کنارہ کمپیوٹنگ) ٹیکنالوجی پر حالیہ برسوں میں، کنزیومر الیکٹرانکس اور گھر کے سامان ہوشیار گھر تصور شامل ہیں انقلابی تبدیلیوں آہستہ آہستہ جگہ لے جائے گا کی ایک قسم کی تیز رفتار ترقی کے آخر میں، مختلف چلاتا ہے. گھر کے سامان پر مشتمل مصنوعی ذہانت کے نیٹ ورک، شاید آپ کو ہو جائے گا اور میں دوسرے خاندان کے ارکان کو نہیں دیکھ سکتا ہے. مقامی بادل اور متعلقہ سازو سامان کے تصور، گھر ناگزیر لئے مصنوعی ذہانت کے نیٹ ورک کے عناصر ہو جائے گا.
سمارٹ اسپیکر / مانیٹرنگ صارفین ای اے کی دو بڑی تکلیف بن جائے گی
تحقیق فرم انڈانو صارفین کی ٹیکنالوجی محقق سے Ronan ڈی Renesse کی ترقی سے باخبر رہنے کے کے لئے ذمہ دار (چترا 1) کنزیومر الیکٹرانکس میدان میں AI کی درخواست، تقریبا دو سال کے اکثر ذرائع ابلاغ کی توجہ کا مرکز بن جاتے ہیں، لیکن کنزیومر الیکٹرانکس اور AI رجحان کے ساتھ مل کر، یہ صرف اب ترقی کرنا شروع ہوتا ہے. اگلے تین سے پانچ سالوں میں، بہت سے صارفین کی الیکٹرانکس کی مصنوعات کو ای کام کی صلاحیت ہوگی اور گھر میں مصنوعی انٹیلی جنس نیٹ ورک بنانے کے لئے ایک دوسرے سے رابطہ کریں گے.
اوگرا میں صارفین کی ٹیکنالوجی کے محققین کا خیال ہے کہ مستقبل کے خاندان میں مختلف الیکٹرانک آلات ایک پوشیدہ خاندانی رکن بن جائیں گے.
ہارڈ ویئر کی سیریز کے طور پر، اگرچہ اس رجحان بہت سے نئے کاروبار کے مواقع کو لے آئے گا، لیکن نقطہ نظر کی ایک اعلی سطح کے نقطہ نظر سے، یہ خاموشی سے گھر میں مصنوعی ذہانت کے نیٹ ورک میں داخل ہوئے تو، آپ کو میں ایک اور "خاندان نہیں دیکھتے ہوں گے اراکین. "
ہارڈ ویئر کی طرف، واقف ہوشیار مقررین، بنیادی طور پر ایک نسبتا بالغ مصنوعات کی فروخت میں نمایاں اضافہ ہو جائے گا، اگرچہ، لیکن بڑھتی ہوئی طاقت بتدریج اگلے پانچ سال کے دوران سست ہو جائے گی. جب تخمینہ 2022 عالمی سمارٹ اسپیکر ہے تقریبا 9.5 بلین $ کو فروخت کی رقم. اصل میں، Renesse ایمیزون (ایمیزون) گوگل کے ساتھ شاید ان دونوں مستقبل میں سمارٹ بولنے کا اپنا برانڈ شروع نہیں کرے گا کیونکہ مصنوعات خود اس طرح کے منافع کے مارجن نہیں ہے یقین رکھتا ہے ہوم نیٹ ورک کے جنات کے لئے، جب تک ہارڈویئر کے فروغ ان کے پلیٹ فارم کی خدمات استعمال کرتے ہیں، وہ صارف کے ڈیٹا کو جمع کر سکتے ہیں جو ان کی ضرورت ہوتی ہے.
اسی عرصے کے دوران، گھر ذہین نگرانی کے نظام میں تبدیلی ذہین بولنے، نام نہاد ہوشیار گھر کی نگرانی کی مصنوعات موجود سے حقیقت میں، نہ مصنوعی ذہانت جزو ہے، لیکن اس طرح کی مصنوعات کو زیادہ واضح ہو جائے گا کیمرے، الارم، تالے، سینسر اور دیگر ہارڈ ویئر ایک دوسرے سے جڑے مصنوعات کو ایک سپورٹ واقعہ کو متحرک کیا سیکورٹی نظام (ایونٹ ٹرگر) فنکشن بنانے کے لئے. لیکن جیسے متعلقہ ہارڈ ویئر اور سافٹ ویئر ٹیکنالوجی، زیادہ بہتر ہو چکی ہے مصنوعی ذہانت کے ساتھ لیس مستقبل کے گھر کی نگرانی کے کیمروں کے تناسب تیزی سے اعلی بن جائے گا، بلکہ زیادہ حاصل کرنے کے لئے اس طرح کے کثیر صارف کے ماحول میں پروگراموں کے ساتھ آواز اور اسسٹنٹ ایپلی کیشنز، زیادہ درست طریقے سے ایک سے زیادہ صارفین کے لئے مختلف خدمات فراہم کرنے کے لئے.
AI اطلاقات کے لئے صارف کی رازداری کی حفاظت
تاہم، ہارڈ ویئر کی صنعت، سب سے زیادہ قابل ذکر مقامی بادل (مقامی بادل) تصور اور متعلقہ درخواست مصنوعات، عام طور پر حمایت کی AI اور دوبارہ لیز گھر آلات کے ساتھ ساتھ ہو سکتا ہے. Renesse نے نشاندہی کی، الیکٹرانک مصنوعات کی AI افعال کے ساتھ لیس کیا جائے گا صارف کے ڈیٹا کی بڑی مقدار پیدا، لیکن وہاں گھر الیکٹرانکس مصنوعات کی مصنوعی ذہانت کے ساتھ لیس ہے، کام کرنے کے لئے ظاہر پرائیویسی کے خدشات کا سبب بنے گی ترتیب میں بیرونی بادل پر مکمل طور پر انحصار کرتی تھی تو ڈیٹا کی رازداری کی ایک بہت، داؤ پر ہے. لہذا.
دوسری طرف، بہت سے خصوصیات نسبتا سادہ چیزوں صارفی آلات، بجلی، کمپیوٹنگ کی طاقت کی طرف سے، کی پیداوار اور دیگر حالات کی قیمت، نہیں بہت اعلی کے آخر AI الگورتھم کی حمایت کرنے کے قابل ہو سکتا ہے. اس وقت، مقامی کلاؤڈ آلہ دماغ کا کردار ادا کریں گے، یونیفارم ان آلات کو حکم دیتے ہیں.
لیکن Renesse قبول کرتے ہیں، یہ کہنا کہ کیا سامان کی قسم کی ایک مقامی بادل کے مرکز کھیلے گا اب بھی مشکل ہے. زیادہ ذہین اعلی کے آخر میں مقررین ہو سکتا ہے، یہ ایک سمارٹ ٹی وی یا دیگر مصنوعات سے ہو سکتا ہے.
بازو سینئر مارکیٹنگ ڈائریکٹر ایان Smythe کو (چترا 2) یہ بھی زیادہ سے زیادہ ہو جائے گا کہ کمپیوٹنگ اور استنتاج (تخمینے) انجن کے مستقبل ٹرمینل منتقل کرنے کے لئے یقین ہے کہ یقین رکھتا ہے. یہ ایک اہم محرک قوت کی منتقلی کی وجہ سے، یہ صارف کی پرائیویسی کی حفاظت کے لئے ہے آخر پروسیسنگ اور تجزیہ کام کی طرف سے، ڈیٹا آسانی گمنام ہو سکتا ہے، اور یقینی بنانے کے لئے حساس ڈیٹا نیٹ ورک کے ذریعے انکشاف نہیں کیا جائے گا. خاندان کی درخواست، مثال کے طور پر صارفین کو نہیں چاہتے نیٹ ورک سے کسی کو اس کے خاندان نے نہیں کیا ہے کہ سیکھا لوگوں کے وقت، اور پھر آسانی سے گھر میں چوری کرنے کے لئے.
آرٹیکل کے سینئر مارکیٹنگ ڈائریکٹر کی شکل 2، عان سریم نے کہا کہ صارفین ای ای ایپلی کیشنز کے لئے، چاہے رازداری کے تحفظ میکانیزم قابل اعتماد ہو، اس کی کلید یہ ہوگی کہ یہ درخواست مقبول ہوسکتی ہے.
وژن پروگراموں کے لئے، Smythe کو کچھ اہم رازداری کے مسائل یونٹ ذخیرہ یا کلاؤڈ پر منتقل کیا جاتا ہے جب کوئی بات نہیں ہے، تا کہ حفاظت کر سکتے ہیں فطرت میں. ظاہر ہے، ان آلات ڈیزائن کیا جائے ضروری ہے کے بارے میں غور کرنے کے لئے بصری تسلیم حمایت کیمرے افعال ہے کہ یقین رکھتا ہے پرائیویسی اور حساس معلومات. ٹرانسمیشن عام طور پر wirelessly سے منسلک ہے کے بعد سے، آپ وائرلیس ٹرانسمیشن کی سلامتی کے لئے محتاط توجہ دینا ضروری ہے. ڈیوائس کے انجینئرز ڈیزائن کو یقینی بنانا چاہیے نیٹ ورک کنکشن آلہ ہیک نہیں کیا جائے گا، دیکھ.
بیٹری کی زندگی اہم تکنیکی چیلنج ہے
تاہم، AI نوڈس کے دہانے پر، سب سے بڑا تکنیکی چیلنج اب بھی نظام کی بجلی کی کھپت ہے. صارفین کی نگرانی کے کیمروں کے لئے، مثال کے طور پر، صارفین کو ان مصنوعات کو مکمل طور پر وائرلیس ہیں توقع کر سکتے ہیں، یہ سب سے بہتر نہیں، یہاں تک کہ توانائی کی لائنز ہے اس کا مطلب ہے کہ یہ مصنوعات بیٹری طاقتور اور وائرلیس نیٹ ورک کی حمایت بھی کرتی ہیں. اس کے علاوہ، یہ تمام اشیاء کی شناخت اور لامحدود سٹوریج کی جگہ کی ضرورت ہے.
مندرجہ بالا نظام کے ڈیزائن کے لئے چیلنجوں کا ایک بڑا سودا کا مطالبہ ہے، یہ سیکھنے (ایم ایل) مشین کا مسلسل چارج بیٹری کی صلاحیت، اور کلاؤڈ اسٹوریج میں چپ ڈیزائن اور نظام کے اجزاء کی یہ انتہائی صورتوں فائلوں کو اپ لوڈ کرنا جاری رکھا صلاحیت کو چلانے کے لئے کئی ماہ درکار ہو سکتے ہیں ضروریات کافی مطالبہ کر رہے ہیں، اور سب سے اہم بات یہ ہے کہ جب ان بیٹریوں کی زندگی کو بڑھانے کے لئے ان افعال کے آرکسٹریشن کو چالو کرنے کے لۓ ان کی مہارت ہوتی ہے.
گھر کی نگرانی کے کیمرے کے ساتھ، ایک ویڈیو کیمرے 24 گھنٹے کی منتقلی خالی کمرے کی ضرورت نہیں ہے، صرف ایک حصے کی تصویر اپ لوڈ طرح کے طور پر ایک ہی منظر کی دستیابی وہاں کی صورت میں، وہاں کے لوگوں کی غیر مصدقہ شناخت ہوتے ہیں تو اسی طرح صرف مناسب ہے ، آپریشن کے موڈ میں ہونے کی توقع صارفی آلات بنانے کے لئے ایم ایل الگورتھم کو چالو مطلب نہیں ہے. ان کی خصوصیات کو چالو کرنے کے لئے جب، جہاں، ہوشیار انتظامات، ترتیب میں، صرف دو AA بیٹریاں طویل مدتی عام استعمال کر سکتے ہیں.
بلکہ بجلی کی کھپت ٹرمینل آلہ میں تعینات AI کرنے کے لئے اہم رکاوٹوں میں سے ایک ہے، کیونکہ بہت سے گھر startups کے، مارکیٹ پر کم طاقت نیورل نیٹ ورک (NN) مسرع سلکان ملکیت دانش (IP) شروع کرنے کی چپ کی مدد کرنے کے لئے موقع دیکھا ہو وہاں ہیں بجلی کی کھپت کو کم کرنے، بلکہ کارکردگی کی ضرورت تخمینے الگورتھم مزاحمت ہوشیاری (Kneron) سے ملنے کے لئے، جبکہ ڈویلپرز سرکاری طور پر اس کی نیورل نیٹ ورک پروسیسر (NPU) سلسلہ جاری کیا ہے، ٹرمینل آلہ تیار کیا گیا مصنوعی ذہانت کے لئے ایک سرشار پروسیسر ہے IP خاندان تین مصنوعات، KDP 300 کی یعنی انتہائی کم طاقت ورژن پر مشتمل ہوتا ہے، سٹینڈرڈ ایڈیشن KDP 500، اسی طرح KDP 700 کی اعلی کارکردگی ورژن، سمارٹ فون، ہوشیار گھر، ذہین سیکورٹی کی درخواست، کے ساتھ ساتھ چیزوں کو آلات کی ایک قسم کو پورا کرنے کے لئے کم بجلی کی کھپت، چھوٹے سائز کی خصوصیات کے ساتھ مصنوعات کی پوری رینج، اور ایک طاقتور کمپیوٹنگ کی صلاحیت فراہم کرتا ہے. AI پروسیسر واٹ دور کی دسیوں کے لئے مارکیٹ میں دستیاب طاقت کے برعکس، Kneron NPU IP بجلی کی کھپت 100 میگاواٹ ہے (میگاواٹ) اسمارٹ فونز کے لئے کی سطح کو وقف KDP 300 کی شناخت، یا طاقت کا بھی کم 5 milliwatts سامنا.
درخواستیں مزاحم مصنوعات کی مارکیٹنگ مینیجر کے ساتھ شیعہ لن (چترا 3 بائیں)، بتاتے ہیں، ٹرمینل آلہ مصنوعی ذہانت آپریشن پر کارکردگی کا مظاہرہ کرنے کی طاقت اور کارکردگی کے لئے مانگ کو پورا کرنے کا ایک بنیادی غور ہے جبکہ ہو سکتا ہے. لہذا، انفرادی ایپلی کیشنز کے لئے مرضی کے حل کے تعارف، اہم ہے .. مصنوعی ذہانت کے موجودہ درخواست موٹے طور پر ویڈیو ہے، وہ قدرتی زبان تجزیہ میں ایک مختلف زور کی آواز ایپلی کیشنز کو استعمال عصبی نیٹ ورک کی ساخت کے ساتھ آواز کی دو اہم اقسام میں تقسیم کیا جا سکتا ہے، مرکزی دھارے کے نیٹ ورک کے فن تعمیر بار بار نیورل نیٹ ورک (سے Rnn) ہے؛ مرکزی دھارے کے نیٹ ورک کی ساخت تصویر تجزیہ convolutional نیورل نیٹ ورک (سی این این) مختلف نیٹ ورک کے ڈھانچے کے لئے مرضی کے استعمال کیا جاتا ہے، حل مزاحمت فراہم کر سکتے ہیں کے ایک ہی نہیں ہیں.
شین منگ فنگ (چترا 3 دائیں) بالو، سافٹ ویئر ڈیزائن مینیجر کی تکمیل کر سکتے قدرتی زبان تجزیہ چپ کمپیوٹنگ کارکردگی کے لئے کم مانگ، بلکہ اس زبان کے لہجے کی، تقریر کی عادات ایک عظیم تضادات پائے جانے کے لئے ہے، اور اس وجہ سے کی ضرورت ہے، اگرچہ کہ ماڈل تربیت ڈیٹا سیٹ تصویر شناس، صارفین کو پہلے سے ہی لہذا، لسانی تجزیہ کا آف لائن درخواست صارفین کو حاصل کرنے وغیرہ کے کلاؤڈ پر مبنی آواز اسسٹنٹ ایپل (ایپل) سری، گوگل اسسٹنٹ استعمال کرتے ہوئے کے عادی طور پر، بہت بڑا سے زیادہ ہے. دوسری طرف شرط صارفین کی محدود کمپیوٹنگ وسائل کے ساتھ اسی طرح کا تجربہ فراہم کرنا ضروری ہے. نظام ڈویلپرز کے ساتھ اس چپ سپلائر، چیلنج چھوٹا نہیں ہے.
3 ریچھ درخواست دے سکتے مارکیٹنگ اور پروڈکٹ مینیجر شیعہ لن (بائیں) یقین رکھتا تصویر شناس ساتھ آواز، فطرت میں بہت مختلف ہیں سے ملنے کے لئے. شین منگ فنگ صحیح سافٹ ویئر مزاحم ڈیزائن مینیجر ہو سکتا ہے مختلف مسائل کے حل پر انحصار کرنے کی ضرورت ہے کہ.
اصل میں، ذہین بولنے کی وسیع اکثریت، کنارے کمپیوٹنگ مصنوعات کے طور پر شمار نہیں کیا جاتا. شیعہ لن، اس کی نشاندہی اس سے قطع نظر ایکو، ایپل کے Homepod یا سمارٹ اسپیکر پر Baidu، علی بابا پلیٹ فارم، کے ایمیزون (ایمیزون) کی یا کرنا چاہتے ہیں اعداد و شمار کے لسانی تصریف کے ساتھ پروسیسنگ کے لئے بادل میں واپس کے لئے، صارف کا جواب دینے. آواز آپریشن، آخر مصنوعات پر براہ راست کارکردگی کا مظاہرہ کیا جا سکتا ہے بنیادی طور پر قوانین میں سے اکثر اپنایا موڈ (قاعدہ کی بنیاد پر)، اور نہ مشین لرننگ کے قدرتی لسانی تفہیم کی بنیاد پر.
2016 ریچھ کمپنی کی پہلی ٹرمینل آلہ کے ساتھ خاص AI پروسیسر NPU IP شروع کر سکتے ہیں کے بعد سے، IP، KDP میں شروع گاہکوں کے لئے فی الحال دستیاب میں اس کے ڈیزائن اور وضاحتیں بہتر بنانے کے لئے جاری رکھا، اور مختلف صنعتی ایپلی کیشنز کے لئے مرضی کے ہیں. کے نظام کا استعمال کرتے ہوئے 500 پلانٹ گاہکوں رہا ہے اور دوسری سہ ماہی کی تیاری میں بڑے پیمانے پر پیداوار میں ہو گا (ماسک ٹیپ آؤٹ) تلاش کے کتوں تعاون سے تقریر کی شناخت آف لائن لسانی تصریف حاصل کر لیا ہے، اس لیے ٹرمینل آلہ کے نیٹ ورک سے منسلک نہیں ہے یہاں تک کہ اگر، بلکہ صارف کے صوتی ہدایات کو سمجھ سکتا ہے.
Kneron NPU IP ایک آف لائن ماحول میں ٹرمینل کے آلے، آپ ResNet چلا سکتے ہیں تاکہ ڈیزائن کیا گیا ہے ٹرمینل کے آلے کے لئے مصنوعی ذہانت پروسیسر وقف ہے، Yolo کی دیگر گہری سیکھنے نیٹ ورک. Kneron NPU ایک مکمل اختتامی AI ہارڈ ویئر کے حل ہارڈ ویئر بھی شامل ہے، آئی پی، کمپائلر (کمپائلر) اور سمپیڑن ماڈل (ماڈل سمپیڑن) تین حصوں، اس طرح Resnet-18، Resnet-34، Vgg16، GoogleNet، اور Lenet، اسی طرح مرکزی دھارے حمایت گہری سیکھنے کے طور پر مرکزی دھارے عصبی نیٹ ورک ماڈل، کی ایک قسم کی حمایت کر سکتے کیفی، کیر اور ٹینسر فلو بھی شامل ہیں.
Kneron NPU IP بجلی کی کھپت 100 میگاواٹ کی سطح انتہائی کم طاقت KDP 300 کے ورژن یا اس سے بھی کم 5 میگاواٹ، کارکردگی فی واٹ 1.5 سب سے اوپر / W یا اس سے زیادہ، خصوصی ٹیکنالوجی کی ایک بڑی تعداد کا استعمال، یہ کر سکتے ہیں میں مصنوعات کی مکمل رینج ہے ملو چپ فراہم کرنے، نظام آپریٹرز کم طاقت، اعلی کمپیوٹنگ کی طاقت کے لئے کی ضرورت ہے.
بنیادی عناصر کو بند کرنا ہارڈویئر تیز رفتار کارکنوں کو تکنیکی تکرار سے خوفزدہ نہیں ہے
کیورنگ (hardwired کے) سرکٹ بجلی کی کھپت، عمر کے لئے چپ ڈیزائن کو کم کرنے، کچھ کمپیوٹنگ کے کاموں کی کارکردگی کو بہتر بنانے کے لئے، لیکن چپ افعال کے لئے مارکیٹ کی درخواست کی صورت میں زیریں درخواست لچک، اہم تبدیلی کی قیمت پر یا نمایاں طور پر نظر ثانی کی سافٹ ویئر الگورتھم، چپ ڈیزائنرز کے لئے ایک نیا چپ دوبارہ ترقی کی ہے.
چپ تقریب کے لئے مانگ کے معاملے میں بنیادی طور پر آباد کیا گیا ہے، اور یہ ڈیزائن ایک مسئلہ نہیں ہے، لیکن روزہ تکراری تکنیک کی ابھرتی ہوئی ٹیکنالوجیز میں، یہ ڈیزائن نقطہ نظر لے، کاروبار میں ایک نسبتا بڑے خطرے وہاں ہو جائے گا مصنوعی ذہانت بہت تیزی سے ہنر مند تکرار، تقریبا ہر سال ماڈل دستیاب. کھولیں AI ریسرچ فرم کے ساتھ ایک نیا الگورتھم بھی ہے کہ گزشتہ چھ برسوں کے دوران، کمپیوٹنگ کی طاقت مانگ لئے AI کی تربیت ماڈل ہر 3.43 ایک ماہ اضافہ ہو جائے گا کہ اس کی نشاندہی کی ہے بار.
اس سلسلے میں، شین منگ فنگ نے نشاندہی کی، ضروری نہیں ہے کہ ایک ہارڈویئر سرعت کوئی لچکدار ہے. توانائی کی مصنوعات کے لئے مزاحم ہے، مثال کے طور پر، ارکیٹیکچرل ڈیزائین کی، کمپنی لپیٹ دانا تقسیم (فلٹر سڑن) ٹیکنالوجی، بڑے لپیٹ دانا لپیٹ استعمال کرتا ایک لپیٹ حساب کتاب کے بلاکس میں تقسیم کیا چھوٹے بلاکس کی ایک بہسنکھیا الگ الگ، پھر مل کر reconfigurable ہارڈویئر سرعت کاری لپیٹ (reconfigurable لپیٹ تیز کرنے) کی تکنیک، آپریشن چھوٹے بلاکس کی ایک بہسنکھیا مجموعی تیز کرنے کو fused رہے ہیں کی لپیٹ آپریشن نتیجہ حساب لگانے آپریشنل کارکردگی.
لیگو اینٹوں کسی چیز کو تعمیر کرنے کے پیٹرن کی ایک قسم میں مل کر کیا جا سکتا ہے کی طرح آسان درجانتوں، کو سمجھنے کے لئے، لیکن اعتراض خود کو اب بھی چند بنیادی باکس میں سے ایک پوری اسٹیک ہے. مزاحمت توانائی پروگرام AI الگورتھم کے لئے ناگزیر ہے بنیادی عناصر، جس کے تحت الگورتھم کی کارکردگی میں بہتری، اور اس وجہ سے، اس سے بھی تیزی سے اپ ڈیٹ AI الگورتھم تو اس کا حل مزاحمت اب بھی اثر کو تیز کرنے کے لئے مفید ہو سکتا ہے تیز.
مسرع کے علاوہ خود بنیادی عناصر کے لیے، مجموعی طور پر بیرونی مزاحمت تیز کرنے کے بجائے ایک مخصوص الگورتھم بھی ایکسلریشن تراکیب اور عی کے ایپلی کیشنز فراہم کر سکتے ہیں، اس طرح کے طور پر اس ماڈل کے سمپیڑن ماڈل ڈیزائن کر یا تعینات کی جاتی ہے (ماڈل سمپیڑن) سمپیڑن ٹیکنالوجی unoptimized ڈال اوقات کی تعداد؛ پدانکردوست میموری اسٹوریج ٹیکنالوجی (کثیر سطح کیشنگ) CPU بوجھ کو کم اور مزید اس کے علاوہ مجموعی طور پر آپریشنل کارکردگی کو بڑھانے کے لئے، ڈیٹا ٹرانسمیشن کی مقدار کو کم کر سکتے ہیں، Kneron NPU IP Kneron تصویر شناس سافٹ ویئر مل کر کیا جا سکتا ہے، اصل وقت کی شناخت تجزیہ، اور روزہ فراہم کرتا ہے. اس کے جواب میں نہ صرف زیادہ مستحکم، بلکہ ہارڈ ویئر اور سافٹ ویئر کی وجہ سے کی پرائیویسی کی سیکورٹی کی ضروریات کو پورا کرنے کے لئے مضبوطی، تا کہ مجموعی طور پر پروگرام کے چھوٹے، کم طاقت کے استعمال، تیز رفتار مصنوعات کی ترقی میں مدد کے لئے شامل کیا جا سکتا ہے.
تصویری شناخت AI کنارے کی طرف زیادہ ضروری ہے
مجموعی طور پر، تصویر شناس کے لئے موجودہ مارکیٹ کی طلب ذہین اسپیکر کو اس بہت بڑی ممکنہ مارکیٹ ایپلی کیشنز، لیکن اس شرط لیکن کم صنعت وسائل موجود ہیں، اگرچہ زیادہ ضروری، آف لائن لسانی تجزیہ ہے. اس رجحان کے لئے اہم وجہ تصویر ہے ٹرانسمیشن بڑی تعداد میں بینڈوڈھ پر قبضہ کرے گا، جس کی وجہ سے مجموعی طور پر نظام کی ملکیت کی لاگت بڑھ جاتی ہے. آواز یہ مسئلہ نہیں ہے.
اینڈیز ٹیکنالوجی جنرل منیجر لن Zhiming (تصویر 4) مصنوعی ذہانت اور پابند چیزوں کے عمل میں بیان کی طلب کمپیوٹنگ ٹیکنالوجی متعارف کروائی کناروں کنارے کمپیوٹنگ ٹیکنالوجی ڈرائیو کریں گے میں، ابھرتی ہوئی ایپلی کیشنز کی ایک قسم پر لاگو کیا جائے گا اس رجحان کے علاوہ، لچکدار، روزہ تائیوان مینوفیکچررز کا سب سے بڑا فائدہ یہ ہے. سب سے زیادہ تائیوانی مینوفیکچررز اور آایسی ڈیزائن کمپنیوں کے لئے، کٹ کنارے مصنوعی ذہانت مارکیٹ کے اختتام پر نسبتا آسان ہے.
شناخت 4: زیکسن لن، جینکسین ٹیکنالوجی کے جنرل مینیجر کا اندازہ ہے کہ آئی پی کیمرے کنارے کے آلات پر اے اے اے کی کارکردگی کا مظاہرہ کرنے کے لئے اہم ایپلی کیشنز میں سے ایک ہوں گے.
ایک ہی وقت میں، درآمد کنارے کمپیوٹنگ ٹیکنالوجی کی وجہ سے، بلکہ میموری، ٹرانسمیشن بڑھانے کے لئے نظام پر چپ (SOC) اصل میں دیگر زیادہ پیچیدہ ایپلی کیشنز کے مقابلے پر، کے لئے لے آئے گا اور تو ہارڈ ویئر کی ضروریات پر، نمایاں طور پر مینوفیکچرنگ کے اخراجات دھکیل دیا جائے گا. تصویر کے ارتباط کی وجہ سے قیمت بھی ایک بڑی رواداری ہے، اور اس وجہ سے، کنارے IP کیمرے ٹیکنالوجی اور پہلی درآمد کرنے کے دوسرے امیجنگ متعلق درخواستوں کمپیوٹنگ ہونے کی امید ہے.
مصنوعی ذہانت ایپلی کیشنز، دو حصوں تربیت اور منظوری پر بات چیت میں تقسیم کیا جا سکتا ہے. بڑے پیمانے پر آپریشن کی گہری سیکھنے کے عمل میں، ایک مختصر وقت اب بھی کلاؤڈ کمپیوٹنگ کی طرف سے سنبھالا جائے گا. برتری آپریٹر کام کے لئے ذمہ دار ہے جمع کی گئی معلومات چوسا پہلے کرنا ابتدائی علاج، نقل و حمل کے اخراجات پر بچانے کے لئے کلاؤڈ پر ڈیٹا اپ لوڈ ہے جس فلٹر باہر غیر اہم معلومات، اور پھر بعد. دوسری طرف، ایک مکمل کلاؤڈ گہرائی تدریسی نتائج، یہ ممکن زیادہ ذہین ٹرمینل کی تقریب کی شناخت کرنے کے لئے ہے. IP کیمرے مثال کے طور پر، کام کی تصویر عمیق مطالعہ مشین، گاڑی کے بعد پیدل چلنے والوں کو تسلیم کرنے کے لئے، IP کیمرے کے اختتام کے صرف کنارے کی شناخت کا کام انجام دے سکتے ہیں سیکھتے ہو کلاؤڈ کمپیوٹنگ کی طرف سے سب سے پہلے مکمل کیا جا سکتا ہے.
دوسری طرف، یہ پولیس، ایپلی کیشنز کی ایک وسیع رینج پر کمیونٹی کی حفاظت میں آئی پی کیمرے کے لئے زیادہ کی وجہ سے ہے، اس لئے حکومت اور کاروباری اداروں کے سرمایہ کاری کے ساتھ، بھی آئی پی کیمرے وجوہات میں سے ایک زیادہ تیز رفتار ترقی بن جائے گا جس کی حمایت کرنے نسبتا تیار ہیں.
لن Zhiming حصہ، بہت سے کاروباری اپنے نظام میں مصنوعی ذہانت چپ درآمد کرنے کا طریقہ بھٹک جاتا ہے. موجودہ صورت حال چیزوں کو صرف پنپنے ہم اب بھی ارد گرد 2020 سازوں کا تخمینہ کمی، درخواست کیسے کی کر رہے شروع کر دیا ہے جب کی طرح ہے زیادہ حقیقی مصنوعات شروع کریں گے.
ریئل ٹائم ایپلی کیشنز کو کنارے کمپیوٹنگ فن تعمیر کا استعمال کرنا چاہیے
مصنوعی ذہانت بتدریج کنارے کمپیوٹنگ فن تعمیر کو کلاؤڈ کمپیوٹنگ فن تعمیر سے منتقل جس کو آج کل ایک سلگتا ہوا موضوع ہے. سپلائی چین مینوفیکچررز پر کوئی چھوٹا سا اثر لے آئے گا وقت کی مختصر مدت کے باوجود مصنوعی ذہانت کی بنیاد پر کلاؤڈ کمپیوٹنگ کی ترقی کے لئے جاری رہے گی، تاہم، وژن ایپلی کیشن کے سلسلے میں بہت مصنوعی انٹیلی جنس افعال کناروں کو درآمد کرنے کے لئے شروع ہو جائیں گے.
Xilinx ڈیولپمنٹ ڈائریکٹر (Xilinx) بصری انٹیلی جنس کی حکمت عملی مارکیٹ ڈیل K. Hitt کی (چترا 5) مستقبل قریب میں، AI ترقی تربیت کے اجزاء اب بھی کلاؤڈ کمپیوٹنگ کی طرف سے غلبہ ہو سکتا ہے کہ اس کی نشاندہی. تاہم، تخمینے / اجزاء تعینات شروع ہو گیا ہے ایپلی کیشنز کم ولمبتا اور نیٹ ورک کی کارکردگی کی ضرورت ہوتی ہے کی ایک قسم کی حمایت کرنے کی کارروائیوں کے کنارے کا استعمال.
5 Xilinx ڈیولپمنٹ ڈائریکٹر، بصری انٹیلی جنس کی حکمت عملی مارکیٹ ڈیل K. Hitt کی سوچتے ہیں، بہت کم ولمبتا کی ضرورت ہوتی ہے ایپلی کیشنز کے لیے، آپریشن کے کنارے سے بہترین حل ہو جائے گا.
سیکھنے سے متعلق مشین وژن پروگراموں کے لئے کنارے اوپیرانڈ عنصر کے طور پر، اہم اور دور رس رجحان میں سے ایک ہو جائے گا. اور، صنعتی مشین وژن میں، ہوشیار شہروں، بصری تجزیہ اور خود ڈرائیو مارکیٹ ایک مضبوط ہے کارکردگی کے لئے ضروریات کو گزشتہ نسلوں بہت سے پروگراموں کے مقابلے میں بھی زیادہ ہیں تاکہ ترقی کی صلاحیت.، صنعتی وژن اور صارفین کی ایپلی کیشنز، کی وجہ ریاضی کنارے مشین لرننگ الگورتھم کو کی شرائط میں پھانسی دے دی جائے. اس کے علاوہ، سیکھنے کنارے مشین الگورتھم / تقریب میں بھی بدلتی تیزی رہا ہے، اور زندگی کے اس وجہ سے تمام شعبہ ہائے آپ مستقبل کی اصلاح کے لئے مشین لرننگ تخمینے کے فریم ورک کے لئے، ان کے اپنے ہارڈویئر اپنانے کی صلاحیت ہونا ضروری ہے.
Hitt کی خود ڈرائیونگ، مثال کے طور پر، ہر گاڑی سینسر کی حمایت کے پیچھے جدید ترین الگورتھم ہے، خیال سینسر ڈیٹا کی پیداوار سے نتائج کی تشریح کے لئے ذمہ دار ہے. تازہ ترین رجحان گہری سیکھنے الگورتھم تاہم، کے نتائج کے ان تصورات تشریح پیداوار کو استعمال کرنے کے لئے ہے، گہرائی سیکھنے الگورتھم تمام سینسر ڈیٹا پیدا کر سکتے ہیں کی تشریح کس طرح جاننے کے لئے ممکنہ منظرنامے کی ایک بڑی تعداد کے ذریعے تربیت یافتہ ہونا ضروری ہے.
تربیت کے بعد، گہری سیکھنے الگورتھم کو محفوظ طریقے سے گاڑی کو کنٹرول کرنے کے لئے ہے، انتہائی کم ولمبتا کے ساتھ اعلی کمپیوٹنگ کی کارکردگی کی ضرورت ہوتی ہے. الیکٹرک گاڑیوں کے لئے، آپ کے آپریٹنگ درجہ حرارت کی حد کے ساتھ نمٹنے کے لئے اور بیٹری کی طاقت سیمیکمڈکٹر کاروبار کو بڑھانے کے لئے کم طاقت کا استعمال ضروری ہے مقصد خود ڈرائیونگ رن کنارے AI کی ضروریات کو پورا کرنے کے لئے حل اپنانے کی صلاحیت کے ساتھ، اعلی کارکردگی، کم طاقت کے استعمال کرتے ہیں کے لئے ہے.
عمل کی ترقی کے کنارے پر چلاتا ہے، سب سے بڑا چیلنج بہت تیز مارکیٹ کی بدلتی ہوئی ضروریات ہے، یہ ٹیکنالوجی کی تیز رفتار موافقت کی ایک قسم کے لئے تبدیل کر سکتے ہیں ادیموں مقابلہ رہنے کے لئے اجازت دینے کے لئے بہت اہم ہے.
Hitt کی مزید کہا کہ اسی طرح کی ایک رحلت مسلسل پیش رفت کی ایک تیزی سے شرح سے سیکھنے الگورتھم کی گہرائی وضاحت، 2017 میں معروف کے حل کے بہت سے اب تک کا سامنا رہا ہے. دوسروں کے بہت سے اب بھی بڑھتی ہوئی مانگ کمپیوٹنگ، ہارڈ ویئر کے ساتھ ساتھ، ایک اعلی صلاحیت ہے اگرچہ مرضی کے ہارڈ ویئر کی ضروریات کا سامنا اپ ڈیٹ کرنے میں، کا خاتمہ کیا جا رہا ہے یہاں تک کہ کچھ ہارڈویئر کی پیداوار میں سے بچنے کے لیے ایک تیزی سے اپ ڈیٹ کر دیا جائے ضروری ہے. بہت سے متبادل اصل چپ اپ ڈیٹ یاد کرنا ضروری ہے.
Hitt کی ضمیمہ، کمپیوٹنگ، میموری فن تعمیر، اور ہارڈ ویئر کی گہرائی کے دوسرے پہلوؤں کے لنکس شامل ہیں کہ FPGA منفرد فوائد بہتر کیا جا سکتا ہے اور کم طاقت کی کھپت میں زیادہ کارکردگی کو حاصل کرنے کے لئے مرضی کے لئے CPU اور GPU، مقابلے میں جبکہ سابق دو روزہ ہارڈ ویئر فن تعمیر ماخوذ نئے مطالبات کے لئے مرضی نہیں کیا جا سکتا.
کنارے آپریشن بہت زیادہ ہے
AI ایپلی کیشنز، کلاؤڈ ڈیٹا سینٹر آپریشنز پر انحصار بہت زیادہ کمپیوٹنگ طاقت کی حمایت کے ہیں، لیکن یہ استدلال کے ماڈل آسان کے ساتھ مطابق میں کی شناخت آلہ کے درست کرنے کے کنارے کے مقابلے میں عام طور پر زیادہ ہے، لیکن اکاؤنٹ نجی معلومات کی حفاظتی خدشات، آن لائن اصل وقت جواب اور اخراجات اور دیگر عوامل میں لینے کے بعد آلہ کے کنارے پر براہ راست استنباط، یہ بھی گزشتہ سال AIoT نعروں جھٹکا چللا ہے بہت پرکشش آپشن اب بھی ہے. دوسری طرف، ٹرمینل آلہ کے مقابلے میں ایک بڑی بادل ڈیٹا سینٹر مارکیٹ کا سائز، ایک مضبوط اقتصادی ترغیب نہیں ہے قیمت کی گھنٹی بجی، سیمیکمڈکٹر صنعت فعال طور پر ترتیب کرنے کے لئے اہم وجوہات.
مستقبل کی تلاش میں، بادل کی طرف سے حمایت کر رہے ہیں کہ AI ایپلی کیشنز اب بھی مارکیٹ پر موجود ہیں لیکن تناسب سال بہ سال کم کرنے کی پابند ہے، یہ ایک نئی ہائبرڈ کلاؤڈ فن تعمیر اور کنارے کمپیوٹنگ کی طرف سے تبدیل کیا جائے گا. AI ڈویلپرز کی درخواستیں، بادل سے تبدیل نہیں کیا جا سکتا قیمت ماڈل ٹریننگ میں ہے، اس میں مداخلت نہیں ہے. اس وجہ سے، حل فراہم کرنے والا کونسل یا درخواست کے ڈویلپرز کے لئے "بادل" اور "اختتام" کے درمیان ہموار انضمام حاصل کرسکتا ہے. نئے الیکٹرانکس کا جائزہ لینے کے دوران سب سے اہم خیال
5. ایم ایم ٹی گریجویٹز اس مہینے میں ایک بلاکچین ڈپلوما حاصل کریں گے
3 جون دوپہر کی خبروں پر سینا ٹیکنیکل نیوز بیجنگ وقت، بلاچین ٹیکنالوجی نے ایم آئی ٹی گریجویٹوں کو ڈیجیٹل طور پر ان کی تعلیمی دوبارہ شروع کرنے کی اجازت دی ہے.
کیمبرج، میسا چوسٹس سافٹ ویئر کمپنی مشین اور ایم ائی ٹی میڈیا لیب سیکھنا اور رجسٹرڈ دفتر تعاون، طلباء بلاک سلسلہ پرس، محفوظ اسٹوریج اور ان کے ڈپلومہ کے اشتراک اتارنا کرنے کے لئے منتخب کر سکتے ہیں.
ایم ٹی ای ٹیکنالوجی کا جائزہ لینے کے مطابق، پائلٹ منصوبے کی ابتدائی کامیابی کے بعد، اس ماہ کے تمام گریجویٹوں کے لئے ایم آئی آئی نے بلاچین والیٹ کی خدمات فراہم کرنے کا فیصلہ کیا.
ذرائع ابلاغ کی لیب میں نائجریج سیکھنے کے ڈائریکٹر فلپ شمیڈ نے کہا، 'مجھے یقین نہیں ہے کہ مرکزی حکام ڈیجیٹل راستے میں ہر ایک کے سیکھنے کے ریکارڈ کو کنٹرول کرسکتے ہیں.'
ایک ڈپلوما بلاک زنجیر کی شکل میں متعارف کرانے کا مقصد اس طرح، ممکنہ آجروں کو ان کے اسکول ڈپلومہ سچ ہے تصدیق کرنے کے لئے انہیں فون کرنے کی ضرورت نہیں کرے گا کے بعد، ان کی تعلیمی قابلیت کو بروقت اور قابل بھروسہ رسائی حاصل کرنے کے قابل ہو جائے کرنے کے لئے طالب علموں کو چالو کرنے کے لئے ہے.
نئے گریجویٹ جو ڈیجیٹل ڈپلومہ چاہتے ہیں صرف ایک اپلی کیشن ڈاؤن لوڈ کرنے کی ضرورت ہے.
'گریجویشن سے پہلے، ایم ائی ٹی کے طالب علموں کے ایک دعوتی ای میل پیغام بھیج دیا جائے گا، لکھا تھا -' ارے، Blockcerts والیٹ اسے ڈاؤن لوڈ کرنے کے لئے، اور پھر MIT جاری کنندہ کے چیف ایگزیکٹو کرس Jagers سیکھنا مشین کے لئے ایک پاس ورڈ کو قبول کرتا شامل کریں '.' کہا، 'MIT ڈپلومہ جاری کرتے وقت، طالب علموں، ڈیجیٹل فائلوں کے ساتھ ایک ای میل وصول کریں گے وہ براہ راست میں درخواست میں درآمد کیا جا سکتا ہے.'